Η Microsoft προχωρά στην ανάπτυξη μιας καινοτόμου γενιάς data centers, που πλέον λειτουργούν ως οργανωμένοι κόμβοι ενός ολοκληρωμένου δικτύου, το οποίο η επιχείρηση αποκαλεί «υπερεργοστάσιο AI». Αυτή η προσέγγιση σηματοδοτεί μια σημαντική στροφή για το πώς οι υποδομές cloud μπορούν να υποστηρίξουν προηγμένα συστήματα τεχνητής νοημοσύνης.
Το νέο data center που έχει εγκατασταθεί στην Ατλάντα, ΗΠΑ, είναι το δεύτερο μέλος της οικογένειας Fairwater της Microsoft. Διαθέτει την ίδια αρχιτεκτονική και σχεδιασμό με την εγκατάσταση που ολοκληρώνεται στην πολιτεία του Ουισκόνσιν. Σε αντίθεση με τα παραδοσιακά data centers που λειτουργούν ως αυτόνομες μονάδες, οι εγκαταστάσεις Fairwater συνδέονται απευθείας. Αυτή η δυνατότητα θα επιτρέψει τη δημιουργία μιας υποδομής ικανής να εκπαιδεύει μοντέλα τεχνητής νοημοσύνης σε χρόνους που παλαιότερα φάνταζαν αδύνατοι.
Σαν Εικονικός Υπερυπολογιστής
Το δίκτυο αυτό θα συγκεντρώσει πολλές εγκαταστάσεις που φιλοξενούν εκατοντάδες χιλιάδες προηγμένες μονάδες επεξεργασίας γραφικών (GPU), εκατομμύρια πυρήνες επεξεργαστών (CPU cores) και exabytes αποθήκευσης δεδομένων. Μιας και ένα exabyte ισούται με 1 εκατομμύριο terabytes, κατανοούμε την τεράστια κλίμακα αυτών των υποδομών. Όλες αυτές οι μονάδες θα συνεργάζονται για να υποστηρίξουν τις ανάγκες της OpenAI, του τμήματος Microsoft AI Superintelligence, των δυνατοτήτων Copilot και άλλων απαιτητικών εφαρμογών.
«Χτίζουμε ένα κατανεμημένο δίκτυο που λειτουργεί σαν ενιαίος υπερυπολογιστής, έτοιμος να αντιμετωπίσει τις μεγαλύτερες προκλήσεις του κόσμου, κάτι που δεν θα ήταν δυνατόν με μια ανεξάρτητη εγκατάσταση. Όταν μιλάμε για “υπερεργοστάσιο AI”, το εννοούμε», επισημαίνει ο Alistair Speirs, υπεύθυνος υποδομών στην υπηρεσία cloud Azure της Microsoft.
Οι νέες εγκαταστάσεις Fairwater AI διαθέτουν μια καινοτόμο δομή που τις distingue από τις προηγούμενες γενιές. Σύμφωνα με την Microsoft, το data center στην Ατλάντα προσφέρει:
- Μια νέα αρχιτεκτονική chip και rack που εξασφαλίζει κορυφαία απόδοση ανά rack, ξεπερνώντας κάθε άλλη πλατφόρμα cloud της αγοράς.
- Συστήματα NVIDIA GB200 NVL72 που μπορούν να επεκταθούν σε εκατοντάδες χιλιάδες GPU NVIDIA Blackwell.
- Δομή με δύο ορόφους που επιτρέπει υψηλότερη πυκνότητα GPU.
- Προηγμένα συστήματα υγρής ψύξης τα οποία ελαχιστοποιούν την κατανάλωση νερού.
- Έξυπνη δικτύωση που διευκολύνει την άμεση επικοινωνία μεταξύ των GPU.
- Ειδικό δίκτυο που συνδέει υπολογιστικά clusters AI σε άλλες εγκαταστάσεις, εξασφαλίζοντας γρήγορες ανταλλαγές δεδομένων.
Η ανάγκη για μια τέτοιου τύπου υποδομή γίνεται ολοένα και πιο επιτακτική. Τα σύγχρονα μοντέλα τεχνητής νοημοσύνης αυξάνουν ραγδαία τον αριθμό παραμέτρων που απαιτούν τεράστιες ποσότητες δεδομένων. Η αναμονή είναι πλέον μια πολύπλοκη διαδικασία που περιλαμβάνει προεκπαίδευση, τελειοποίηση, ενισχυτική μάθηση, αξιολόγηση και παραγωγή συνθετικών δεδομένων. Κάθε στάδιο έχει τις δικές του απαιτήσεις, απαιτώντας μια υποδομή εξίσου δυνατή και ευέλικτη.
Δικτύωση και Ψύξη
Για να επιτευχθεί αυτή η ολοκληρωμένη δομή, η Microsoft ανέπτυξε το δίκτυο AI WAN, το οποίο συνδέει τις απομακρυσμένες εγκαταστάσεις σχεδόν με ταχύτητα φωτός μέσω 190.000 χιλιομέτρων εξειδικευμένων οπτικών ινών. Το σύστημα έχει σχεδιαστεί έτσι ώστε να ελαχιστοποιεί τη συμφόρηση, επιτρέποντας σε χιλιάδες χιλιόμετρα μακριά κέντρα να λειτουργούν σαν μια ενιαία υπολογιστική μονάδα.
Η εξαιρετική πυκνότητα υπολογιστικών μονάδων δημιουργεί σημαντικά θερμικά φορτία. Για το λόγο αυτό, η Microsoft έχει αναπτύξει ένα προηγμένο κλειστό σύστημα υγρής ψύξης, το οποίο απομακρύνει τη θερμότητα από τους επεξεργαστές και την εκτοξεύει έξω από το κτίριο, πριν το υγρό επιστρέψει ψυχόμενο. Αυτή η προσέγγιση διασφαλίζει τη χαμηλή κατανάλωση νερού, προσφέροντας περιβαλλοντική βιωσιμότητα και συντήρηση της υποδομής.
Συνοψίζοντας, η Microsoft αποδεικνύει την δέσμευσή της στην πρόοδο της τεχνητής νοημοσύνης μέσω της ανάπτυξης αυτής της καινοτόμας υποδομής, η οποία υπόσχεται να αλλάξει ριζικά τον τρόπο με τον οποίο εκπαιδεύονται και λειτουργούν τα μοντέλα AI. Το μέλλον των data centers βρίσκεται στην ενσωμάτωσή τους, στην κοινοτική τους λειτουργία και στην ικανότητά τους να ανταποκριθούν στις αυξανόμενες απαιτήσεις των εφαρμογών τεχνητής νοημοσύνης.
